一种基于社区分析的图像索引并行构建方法

摘要

本发明公开了一种基于社区分析的图像索引并行构建方法，采用并行K均值聚类算法对图像块实现聚类，图像采用由一系列的视觉关键词构成的特征聚类向量表示，在图像检索时能避免线性扫描海量、高维和动态的特征数据库。采用向量空间模型及语言模型计算每个图像对的语义相似度，构建图像的语义相似度社会网络，在此基础上，基于大规模社区分析方法构建海量图像的语义索引。在索引构建中采用高维聚类索引空间的某些有意义的子空间计算图像间的相似度，从而克服聚类索引“维度灾难”的问题，结合图像块物理特征索引与图像全局层次的语义索引，提升海量图像检索的速度和效果。

主权项

一种基于社区分析的图像索引并行构建方法，其特征在于，包括如下步骤：S1：采用并行K均值聚类算法对目标图像实现聚类，所述目标图像由多个视觉关键词构成的特征聚类向量表示；S2：对聚类得到的每个类分别建立索引；S3：进行图像查询。